文 | 字母AI

最近马斯克很头疼：Grok在X上脱人衣服这件事，眼瞅着平息不了了。

X前脚正式宣布限制措施，不再允许通过Grok在X平台上对真实人物的照片进行“脱衣服”或生成/编辑成“暴露服装”（如比基尼、内衣等）的操作。

后脚，加州就启动了对xAI和Grok的调查。事到如今，Grok“脱衣”争议已经“集齐”十个国家和地区的公开批评或者调查，包括英国、欧盟、法国、加拿大、澳大利亚、印度等等。

Grok从诞生之初，就因为会整活、不搞“政治正确”而娱乐性拉满，而马斯克针对其“擦边”属性也是一贯头铁。去年Grok最引人注目的更新，当属引入两个性感的虚拟角色。

“擦边”之下，用户增长明显，Grok最新月活用户数已经突破3000万，月初引入将静态照片转变为动态视频的功能Grok Imagine，一度登顶苹果应用商店美区免费榜第一。

但用户的争抢之下，AI公司真正需要争抢的其实是“商业前景”与资金。C端是不是那个答案？目前还要打一个问号。OpenAI目前的主要收入来源是用户订阅，ChatGPT月活用户数8亿，但是每年的亏损越来越大，并且这样的亏损扩大还会持续几年。

马斯克前不久要求OpenAI和微软赔偿790亿到1340亿美元，给出的理由是早期提供了几千万美元种子资金，因为OpenAI的5000亿美元估值有一大部分应该给他，颇有点盯上“友商”钱包的意味。

翻年之后，马斯克接连受到打击，已经准备好在AI编程领域奋起直追了。不仅承认Grok的编程能力不如对家Anthropic，还宣布下个月有两个AI编程领域的大动作。

“擦边”虽好，论赚钱，哪有AI编程香？

肉眼可见的区别是，坐上AI编程一号位的Anthropic，收入结构中企业用户占大头，目前已经将AI编程的优势丝滑进阶到了生产力提升。虽然年营收远不及OpenAI，但Anthropic的盈利节点很有可能比OpenAI早。

不仅是马斯克的xAI，以C端见长的OpenAI，以及字节，都纷纷在去年加强AI编程领域的投入。

说到底，AI头部玩家逐渐看清事实，那就是，C端主要争名，AI编程则连接着广阔的B端想象力。

马斯克受刺激了

马斯克正在传达一个强烈的信号：Grok要开始认真在AI编程上发力了。

1月，马斯克先是在X上公开承认Grok的编程能力不如Anthropic的Claude。

紧接着，他又透露，2月Grok Code将迎来重大更新：“下个月Grok Code将迎来重大升级。它将一键处理许多复杂编码任务。”

而其中提到的“一键处理复杂编码任务”，外界认为这是在暗示xAI将发布vibe-coding的工具，即用户只需描述感觉和意图，如“建一个类似Twitter的app”，AI就可以自动规划、生成代码、测试、部署。

看来马斯克是受到了不小的刺激。

新年刚过一周，Anthropic就“拔网线”，对第三方平台采取封锁措施，一时之间，通过编程助手Cursor、开源AI编码工具OpenCode等第三方平台使用Claude Code时触发报错，显示工具权限为Claude Code独有，不允许外部调用。

xAI遭了大殃，甚至xAI联合创始人Tony Wu给全员发紧急通知。

而这条slack消息被泄露，揭开了一个小秘密——原来很多xAI员工，都通过Cursor调用Claude模型写代码。

当时Tony Wu就表示：“我们的生产力会受到影响，但这确实会倒逼我们开发自己的编程产品/模型。”

不久之后，马斯克也在X上给别人回复时承认Anthropic“拔网线”事件是一个“激励因素”。

此前xAI的Grok主要以通用能力见长，模型能力很强大，但是在AI编码能力方面不算翘楚。

根据llm-stats的最新排行榜，在SWE-Bench Verified中，xAI最出色的模型是Grok Code Fast 1，排在第20位。

该测试从真实的GitHub问题中选取500个经过验证的软件工程问题子集，由人工标注者验证，用于评估语言模型通过为Python代码库生成补丁来解决现实世界编码问题的能力。

SWE-Bench Verified排名前五的模型来自Anthropic、OpenAI、谷歌。

在Human eval中，xAI排名最高的模型是Grok-2，排在第18位。该基准测试用于衡量从文档字符串合成程序的功能正确性，包含164个原创编程问题，旨在评估语言理解能力、算法能力和简单的数学运算能力。

Human eval排名前五的模型分别来自于Kimi、Anthropic、OpenAI、阿里。

在Live Code Bench中，xAI表现较好，Grok-3 Mini、Grok 4 Fast、Grok-3分别排在第三、四、五位。这是一个全面且无污染的大型代码语言模型评估基准。它持续从编程竞赛中收集新问题，以便评估模型训练截止后发布的未见过的问题。

Live Code Bench排名前二的模型来自DeepSeek和MiniMax。

值得一提的是，此前xAI在AI编程领域最为关键的举措是推出了Grok Code Fast，这个模型讲求实用，从名字就能看出来，侧重在“快”。其价格也非常有竞争力，输入成本每百万tokens仅需0.2美元，输出为1.5美元，是当前最便宜的专用编码模型之一。

相比而言，Claude Sonnet 4.5价格是其15倍。

它特别适合预算有限的个人开发者、初创团队和高频迭代场景，而非追求“零容忍错误”的顶级企业生产级任务，更像是马斯克在AI编码领域用错位竞争的方式“小试牛刀”。

但问题在于，当AI编程正从“便宜好用的工具”演进为决定研发效率与组织形态的核心能力时，仅靠一款强调性价比和速度的Grok Code Fast，显然已经无法满足马斯克的野心。

AI编程已经势不可挡

事实上，AI编程这条线，已经被牌桌上的头部玩家同时盯上。

最典型的，还是Anthropic。

Anthropic不再只强调模型“会不会写代码”，而是直接接管工程师的工作流。从拆解需求、规划代码结构，到多文件修改、反复调试，Claude Code更像一个全天候的“虚拟工程师”。

本月发生的那场“拔网线事件”，反而成了它成功的注脚——当Anthropic收紧第三方调用权限，大量依赖Claude Code的外部工具和团队立刻受到影响，xAI就是其中之一。

这种变化在一线工程师那里体现得更直接。

谷歌首席工程师、Gemini API负责人Jaana Dogan公开表示，她只用几句提示词、一个多小时，就借助Claude Code完成了相当于过去一年工作量的成果。

这类表态之所以被广泛传播，是因为它击中了很多工程师的真实感受：AI编程已经开始根本改变生产效率。

也正因为如此，其他巨头不可能坐视不管。

OpenAI在近一年的更新中，明显把更多资源压向代码能力。从模型在复杂代码理解、长上下文修改上的强化，到API层面对函数调用、工具链集成的持续优化，目标非常明确——让开发者在真实工程场景里，用GPT写得更久、更深。

Google的策略则更“体系化”。Gemini不只是模型本身在代码能力上追赶，而是被直接嵌入到Google自己的开发者工具、云服务和工程环境中，试图把AI编程变成一种默认选项，而不是额外插件。

从榜单结果来看，几家公司的差距正在迅速拉近，排名频繁交错，已经进入贴身肉搏阶段。

这种趋势同样传导到了国内。字节跳动其实很早就意识到AI编程的重要性。去年1月，字节发布了面向软件工程场景的工具TREA，随后持续迭代。对这样体量的公司来说，是否补齐这块能力，直接关系到内部研发成本和组织效率。

把这些动作放在一起看，会发现一个越来越清晰的变化：AI编程正在从“大模型能力展示的一部分”，变成所有玩家都绕不开的核心战场。

在这样的背景下，Grok Code Fast那种强调便宜、够用、够快的错位打法，显然很难再让马斯克安心停留。

“擦边”哪有编程香？

纷纷扰扰之间，真正把这条赛道推到台前的，并不只是模型能力的进步，而是它背后越来越清晰，也越来越现实的商业指向。

AI编程，是目前少数已经被验证“能真正落地”的大模型应用场景之一。

xAI的Grok，长期以来最突出的优势一直在C端。去年Grok最受关注的，并不是编程能力，而是各种“擦边”动作，更少限制、更大胆，也屡次引发争议。

最近一段时间，类似的原因再次把Grok推上风口浪尖。这种路径在拉新和话题度上确实有效，但问题也很明显：它很难转化为稳定、可规模化的收入。

这一点，其实并不只发生在xAI身上。OpenAI和字节跳动在某种程度上也面临类似结构性问题。OpenAI拥有ChatGPT这样的超级C端入口，字节背靠抖音、TikTok这样的社交与内容帝国，马斯克则掌控着X。

它们在用户规模、分发能力和产品打磨上极具优势，但也恰恰因为C端体量太大，商业模式反而更复杂：订阅增长有天花板，内容合规成本高，任何一次失误都会被无限放大。

相比之下，to B的世界要“冷静”得多，也现实得多。这正是AI编程的吸引力所在。

对企业来说，AI是否“好玩”并不重要，重要的是它能不能稳定地节省人力、缩短研发周期、降低交付风险。

这也是为什么，几家公司的盈利预期开始明显分化。

以Anthropic为例，多家行业分析机构预测，Anthropic有望在2028年前后实现盈亏平衡。

行业普遍估计，Anthropic约70%–80%的收入来自企业客户，主要是API调用和企业级合同。这种收入模式增长未必最快，却足够稳定，也更容易覆盖持续攀升的算力成本。

相比之下，OpenAI的体量更大，但路径不同。

公开分析普遍认为，OpenAI当前的收入结构中，大约七成仍来自C端订阅（如ChatGPT Plus等），真正来自企业API和企业合同的收入占比约三成左右。

与此同时，OpenAI还承担着极高的算力和基础设施支出压力，其实现整体盈利的时间点可能要到2030年前后。

它对规模、资本和耐心的要求显然更高。

而xAI的情况则更为激进，也更脆弱一些。

市场估算显示，xAI在2025年的年化收入规模约5亿美元左右，远低于OpenAI（约130亿美元）和Anthropic（约70亿～90亿美元）。目前，xAI的主要收入仍高度依赖Grok在C端的订阅与其与X平台的联动。

尽管xAI已开始推出Grok Business、Grok Enterprise等B端产品，试图向企业市场延伸，但其盈利时间点可能仍要等到2027–2028年之后。

这也可以解释为什么近期OpenAI、谷歌相继在“广告”与“购物”上发力，这也是在为C端引入更多商业空间。

马斯克想要在AI编程上发力，本质上是在为xAI寻找一条更确定、可持续的商业出口。

在算力成本高企、市场耐心下降的当下，AI编程赛道带来的确定性本身，就是稀缺资源。

这种选择，其实从Anthropic一开始就已经埋下伏笔。Anthropic多次公开表示，他们更愿意把AI定位为生产力工具，而非娱乐产品，甚至直言“AGI”这一概念本身已经变得模糊而过时。

在具体实践上，这种理念体现为对安全性、可控性和工程稳定性的长期投入。

这些看起来“慢”的工作，却恰恰是AI编程能进入企业核心流程的地基。今天Claude在编程领域的领先，并非突然爆发，而是一步步打出来的。

也正因如此，其他玩家想在AI编程领域赶超Anthropic，注定是一场硬仗。

这不是多发几个模型、多刷几次榜单就能解决的问题，而是对工程能力、产品理解和企业需求的长期消化。

从时间线上看，Google的布局其实并不晚。Gemini的优势不只在模型本身，而在于与Google Cloud、开发者工具、工程体系的“全栈联通”。

OpenAI近一年也在持续把资源向编程能力倾斜，字节同样通过TREA等工具不断补课。放在这个坐标系里，马斯克此时大幅加码AI编程，多少显得有些姗姗来迟。

更现实的一点是，AI编程恰恰也是“出事成本”最高的应用场景之一。

在强应用环境里，不出问题则已，一旦出问题，就是实打实的生产事故。

前几天，编程工具Cursor曾对外披露，一次实验中GPT-5.2连续运行7天，生成约300万行代码，构建出一个堪比Chrome的浏览器。

消息一出，立刻引发轰动，但很快就被开发者“打假”，质疑其可复现性和工程真实性。这场风波本身，恰恰说明了AI编程的门槛。

也正是在这样的现实约束下，AI编程这条路才显得格外“香”，也格外难走。

至于马斯克和Grok，能否在这条已经被反复验证、竞争激烈的赛道上追上来，答案恐怕只能交给时间。

马斯克已经承诺下个月就有大动作，让我们拭目以待。